Lewati ke konten

Klasifikasi Teks

Analisis sentimen, deteksi topik, dan routing tiket — dari TF-IDF + regresi logistik sampai fine-tuning transformer.

Tingkat
Menengah
Pelajaran
4
Total waktu
1j 8m
Simulasi
3
Termasuk di Natural Language Processing (NLP) · $9
Tools yang dipakai
  • Python
  • PyTorch
Keterampilan
  • Analisis sentimen
  • Fine-tuning
  • Hugging Face

Yang akan Anda bisa

  • Membangun baseline klasifikasi teks yang kuat
  • Fine-tune model transformer untuk label Anda sendiri

Sebelum mulai

Hanya saran, tidak pernah mengunci — Anda bisa mulai di sini.

  • text-representation
Modul yang membantu lebih dulu

Silabus

4 pelajaran · 1j 8m

Judul dan ringkasan setiap pelajaran terbuka untuk umum. Isi pelajarannya terbuka setelah Anda memiliki jalurnya.

Semua pelajaran di Natural Language Processing (NLP)
  1. Pipeline Pra-pemrosesan Teks

    14 min

    Setiap langkah pra-pemrosesan membuang informasi. Pelajaran ini tentang memutuskan dengan sengaja apa yang digabung, apa yang dipertahankan, dan kenapa jawabannya berbeda untuk TF-IDF dan transformer.

    Termasuk dalam jalurnya
  2. Classifier Teks Klasik

    18 min

    TF-IDF dengan regresi logistik: dilatih dalam sedetik, bobotnya terbaca, dan sering cukup. Pelajaran ini membangunnya dari 60 ulasan sampai ke keputusan threshold untuk routing.

    Termasuk dalam jalurnya Simulasi
  3. Fine-Tuning Transformer untuk Klasifikasi

    20 min

    Pinjam model yang sudah membaca jutaan kalimat Indonesia, pasang kepala klasifikasi 2.307 parameter, dan latih sebentar — lalu putuskan dengan jujur apakah hasilnya sepadan dengan biayanya.

    Termasuk dalam jalurnya Simulasi
  4. Klasifikasi dengan LLM

    16 min

    Satu prompt bisa mengklasifikasi tanpa satu pun label latih. Pertanyaannya bukan lagi "bisa atau tidak", melainkan kapan ia lebih murah, kapan lebih mahal, dan bagaimana Anda tahu hasilnya benar.

    Termasuk dalam jalurnya Simulasi
Akses seumur hidup
$9
Beli jalurnya
Lainnya di Natural Language Processing (NLP)
Modul · Pemula

Representasi Teks

Dari one-hot ke word embedding ke embedding kontekstual — bagaimana mesin mewakili makna kata.

  • 3 pelajaran
  • 50 min
  • 4 simulasi
Termasuk di Natural Language Processing (NLP)· $9
Modul · Menengah

Ekstraksi Informasi

Named entity recognition, ekstraksi relasi, dan mengubah dokumen bebas menjadi data terstruktur.

  • 3 pelajaran
  • 48 min
  • 3 simulasi
Termasuk di Natural Language Processing (NLP)· $9
Modul · Menengah

Transformer untuk NLP

Encoder, decoder, BERT dan GPT — arsitektur yang mengubah NLP, dan cara memakai model pralatih.

  • 3 pelajaran
  • 48 min
  • 2 simulasi
Termasuk di Natural Language Processing (NLP)· $9
Modul · Menengah

Semantic Search dan Embedding Kalimat

Embedding kalimat, database vektor, dan mengevaluasi retrieval — fondasi pencarian modern dan RAG.

  • 3 pelajaran
  • 46 min
  • 3 simulasi
Termasuk di Natural Language Processing (NLP)· $9